FERSF:随机模型检验引导的公平性增强推荐系统框架

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘 要：在推荐系统的实际应用中，物品流行度偏差会被系统的反馈循环、机器学习训练模型以及一些外界因素所放大，从而导致大量的长尾物品得不到公平的推荐机会。针对反馈循环放大流行度偏差所导致的公平性问题，首次通过随机模型检验的方法进行公平性分析和增强研究。将基于流行度偏差和反馈循环的传统推荐系统框架建模成DTMC模型，并验证其公平性。（剩余13487字）

试读结束

目录
monitor